- 排名
- #15
- 总输出令牌
- 124,436
- 响应时间（平均）
- 38.42s
- 总成本
- $4.137
GPT-5.5 (medium) vs Qwen3.8 Max (low)
GPT-5.5 (medium) 平均分领先，为 9.0 vs 8.7。 Qwen3.8 Max (low) benchmark 成本更低，为 $0.687 vs $4.137。 Qwen3.8 Max (low) 更快，为 21.19s vs 38.42s，通过率为 87.9% vs 84.9%。
- 排名
- #23
- 总输出令牌
- 81,411
- 响应时间（平均）
- 21.19s
- 总成本
- $0.687
推荐模型
Qwen3.8 Max (low)
它的得分接近这里的最高分（8.7 vs 9.0），同时成本比GPT-5.5 (medium)低约 6.0 倍。
详细对比
| 指标 | GPT-5.5 GPT-5.5 medium | Qwen3.8 Max Qwen3.8 Max low |
|---|---|---|
| 分数 | 9.0 | 8.7 |
| 排名 | #15 | #23 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.9 | 9.0 |
| 基准测试覆盖率 | 22/22 项测试 · 66/66 次尝试 | 22/22 项测试 · 66/66 次尝试 |
| 测试正确 | ||
| 尝试通过率 | 87.9% | 84.9% |
| 不稳定测试 | 3 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 22.980 | 4.041 |
| 总成本 | $4.137 | $0.687 |
| 输入价格 | $5.000 / 1M | $2.000 / 1M |
| 输出价格 | $30.000 / 1M | $6.000 / 1M |
| 总输入令牌 | 80,659 | 99,172 |
| 输出令牌 | 5,617 | 6,132 |
| 推理令牌 | 118,819 | 75,279 |
| 响应时间（平均） | 38.42s | 21.19s |
| 响应时间（最大） | 332.10s | 155.75s |
| 响应时间（总计） | 845.35s | 466.14s |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#15 GPT-5.5
medium- 成本
- $0.112
- 时间
- 71.9s
- 令牌
- 3,807 tok
#23 Qwen3.8 Max
low- 成本
- $0.026
- 时间
- 68.5s
- 令牌
- 4,280 tok
按分数排名的模型
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 606 | 250 | 1,335 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 3.93s | 984 | 228 | 1,750 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 8.8 | 7.8 | 88.9% | 1 | 59.77s | 7,305 | 362 | 24,959 | |
| Qwen3.8 Max | 8.4 | 7.4 | 88.9% | 1 | 28.69s | 8,127 | 512 | 15,952 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 33.52s | 57,466 | 3,944 | 6,735 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 98.19s | 69,994 | 4,221 | 32,937 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.18s | 7,140 | 234 | 593 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 7.87s | 7,938 | 270 | 2,257 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 5.3 | 7.2 | 44.4% | 1 | 164.14s | 723 | 67 | 79,625 | |
| Qwen3.8 Max | 5.3 | 7.2 | 44.4% | 1 | 35.37s | 1,005 | 62 | 17,102 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 4.16s | 477 | 138 | 223 | |
| Qwen3.8 Max | 6.5 | 3.4 | 66.7% | 1 | 5.29s | 594 | 128 | 568 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 3.36s | 660 | 93 | 538 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.01s | 855 | 102 | 851 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 6.76s | 642 | 241 | 2,225 | |
| Qwen3.8 Max | 9.9 | 10.0 | 100.0% | 0 | 4.11s | 930 | 286 | 1,304 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 10.0 | 10.0 | 100.0% | 0 | 10.57s | 5,445 | 258 | 832 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 8.06s | 8,463 | 295 | 693 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| GPT-5.5 | 2.8 | 1.6 | 33.3% | 1 | 37.86s | 195 | 30 | 1,754 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 12.43s | 282 | 28 | 1,865 |
快速对比
切换对比组合
Claude Opus 4.7mediumvsQwen3.8 MaxlowMuse Spark 1.1mediumvsQwen3.8 MaxlowGemini 3.5 FlashlowvsGPT-5.5mediumClaude Fable 5mediumvsQwen3.8 MaxlowGemini 3.5 Flash LitehighvsQwen3.8 MaxlowGPT-5.5mediumvsGrok 4.5highGPT-5.4mediumvsQwen3.8 MaxlowClaude Opus 4.8mediumvsQwen3.8 MaxlowClaude Opus 5highvsGPT-5.5mediumGPT-5.3-CodexmediumvsQwen3.8 MaxlowQwen3.8 MaxlowvsGrok 4.5highGemini 3.5 Flash LitehighvsGPT-5.5medium